一句话看懂：Meta、OpenAI、DeepSeek、智谱等头部大模型公司近期密集公布自研AI芯片计划，转向“模型+芯片+云”的全栈战略。这意味着AI竞争已从模型参数竞赛，升级为算力基础设施的主权争夺，英伟达正面临来自客户群体和替代方案（如ASIC定制芯片）的双重压力。
事件核心：发生了什么
近一周内，多家AI公司披露自研芯片进展：Meta宣布9月量产第四代AI芯片“Iris”，计划每半年迭代一次；路透社称DeepSeek已秘密研发AI推理芯片约一年，并招募芯片设计工程师；智谱被曝正与国内ASIC厂商合作开发专用AI处理器。此前，OpenAI已发布首款自研推理芯片“Jalapeño”（与博通合作），性能对标英伟达Blackwell和谷歌TPU；Anthropic也开始从OpenAI芯片团队挖人筹备自研。同时，谷歌、亚马逊、微软等海外科技巨头早已布局自研定制芯片（TPU、Trainium、Maia）。
为什么重要
驱动这一趋势的核心因素有两个：成本控制与算力主权。AI已进入“推理时代”——训练一次模型消耗巨大算力，但推理每天发生数万亿次。摩根士丹利提出“芯片通胀”概念，GPU、HBM等AI产业链价格持续上涨，采购GPU已成为AI公司最大固定成本。英伟达的CUDA生态、NVLink互联和DGX集群定义了行业标准，但任何希望成为AI基础设施的平台公司都无法接受完全依赖单一供应商。Forrester分析师直言：“如果你依赖别人的芯片，就永远无法成为真正的AI巨头。”博通定制AI芯片业务增长迅猛（第二财季半导体营收108亿美元，同比增长143%），正在成为超大规模数据中心中英伟达的主要替代选择。
对用户/开发者/创作者的影响
短期内，大模型API调用价格可能进一步下降。自研推理芯片使公司能大幅压低每个Token的成本——更便宜的训练和推理，意味着更低的使用门槛和更多免费或低成本AI工具。对开发者而言，未来或将面对更碎片化的芯片生态：训练可能仍用英伟达GPU，但推理逐渐转向ASIC（如OpenAI的Jalapeño、DeepSeek的定制芯片），需要适配不同的软件栈和编译器。对企业用户，选择AI服务时需关注供应商是否拥有完整的“模型+芯片+云”体系，这直接决定了服务稳定性、定价权和长期升级能力。中美AI供应链分化的风险也在加大：美国出口限制使先进GPU难以进入中国，中国AI公司若不建立自主算力，可能面临算力瓶颈。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
- Meta的Iris芯片量产是否如期落地，以及其推理性能能否在成本上显著优于同级GPU。算力成本下降幅度是衡量自研芯片战略价值的关键指标。
- OpenAI的Jalapeño推理芯片是否向外部开放，还是仅用于内部服务。若走向商业化，将直接挑战英伟达的推理市场定价权。
- DeepSeek和智谱的芯片能否适配国产AI生态（如华为昇腾、寒武纪）。集邦咨询预测，华为和寒武纪2026年将合计占据中国AI服务器芯片市场近80%的份额，英伟达在中国市场的份额可能从2025年的约40%降至2026年的约8%。这一结构性逆转速度远超外界预期。
来源：36氪 · 24小时热榜
